인공지능(AI) 확산모델의 추론속도를 100배 높이는 신기술이 개발됐다. 추론을 수행하면서 고난도 과제도 정확도 100%로 해결해 지능형 로봇 등 다양하게 응용할 수 있을 전망이다.
한국과학기술원(KAIST) 전산학부 안성진 교수 연구팀과 캐나다 몬트리올대학교 요슈아 벤지오 교수 연구팀이 함께 진행한 이번 연구의 결과는 이달 13일부터 19일까지 캐나다 벤쿠버에서 열린 국제기계학습학회(ICML 2025)에서 상위 2.6% 논문으로 선정되면서 발표됐다.
연구팀은 기존 확산모델이 갖고 있던 '추론-시간 확장성'의 한계를 해결했다. '추론-시간 확장성'은 AI 모델이 사용할 수 있는 계산 자원의 양에 따라 성능을 유연하게 조절할 수 있는 능력을 의미한다. 지금까지 확산모델은 이 유연성을 확보하지 못해 복잡한 문제 해결에 제약이 있었다.
이에 연구진은 몬테카를로 트리 탐색을 기반으로 한 새로운 확산모델 추론기법을 제안했다. 이 방식은 생성 과정을 트리 구조로 탐색하면서 제한된 자원으로도 높은 품질의 출력을 도출할 수 있도록 설계됐다.
개발된 기술은 그동안 어떤 모델도 성공하지 못한 초대형 미로 찾기 과제에서 100%의 성공률을 기록했다. 이 과제는 기존 AI들이 모두 실패했었다는 점에서 새로운 기술의 성능을 입증했다.
연구팀은 이어 트리 탐색 기법의 단점으로 지적됐던 속도 문제를 해결하기 위한 후속 연구도 진행했다. 탐색 과정을 병렬화하는 방식으로 연산 비용을 최적화해, 최대 100배 빠른 속도로도 동등하거나 더 나은 결과를 도출하는 데 성공했다.
이 기술은 단순히 모델 크기나 학습 데이터 양을 늘리는 기존 방식과 달리, 학습 이후 추론 단계에서의 계산 자원 활용도를 획기적으로 높이는 접근이라는 점에서 주목받고 있다. 실시간성과 성능을 동시에 확보했다는 점에서 응용 범위가 넓다.
안성진 교수는 "이번 연구는 고비용 계산이 요구되던 기존 확산모델의 한계를 근본적으로 극복한 기술"이라며 "지능형 로봇, 시뮬레이션 기반 의사결정, 실시간 생성 AI 등 다양한 분야에서 핵심 기술로 활용될 수 있을 것"이라고 밝혔다.
Copyright @ NEWSTREE All rights reserved.
